基于多Agent协商的服务流程定制

针对复杂业务需求,提出了基于多Agent协商的服务流程定制模型、算法和系统．首先介绍了该模型及其支持系统的框架以及服务Agent的结构和工作原理;然后在将业务需求满足定义为分布式柔性约束满足问题的基础上,提出了基于多Agent协商的求解算法并介绍了一个应用案例;最后,给出了一个原型系统．该模型和系统能够对复杂的业务需求进行建模和求解,从而寻找到合适的服务,满足了服务流程定制的需要．

AODE中基于强化学习的Agent协商模型

AODE是我们研制的一个面向Agent的智能系统开发环境 .AODE中基于强化学习的Agent协商模型采用Markov决策过程和连续决策过程分别描述系统状态变化和特定系统状态的Agent协商过程 ,并将强化学习技术应用于Agent协商过程 .该协商模型能够描述动态环境下的多Agent协商 ,模型中所有Agent都采用元对策Q 学习算法时 ,系统能获得动态协商环境下的最优协商解 .

多Agent协商研究

首先对多Agent协商做了简单的介绍,阐述了协商、承诺、协定空间、个体评价、整体评价、优势、个体合理分配和帕累托最优分配等概念;然后对该领域近年来的研究成果进行了综述,包括拍卖、基于对策论的协商、基于启发式的协商、基于辩论的协商和基于兴趣的协商;最后给出了作者的观点.

基于Agent协商的语义Web服务知识模型

在面向服务的应用中引入语义协商的思想,使服务Agent能够在Web服务部署、发布、发现和组合过程中共享服务知识,并且具有足够的自治和理解能力.通过描述抽象和具体的语义Web服务以及分析服务Agent之间的交互过程,提出了适合协商的服务Agent和服务知识模型,并给出了服务Agent之间信念知识修正和更新的方法,形式化描述了协商过程中服务Agent的角色和行为以及针对服务属性的语义协商协议.实验结果表明,在服务发现过程中使用这种服务知识模型及语义协商交互协议,能够显著改善服务Agent的理解能力.随着部署的具体服务数和协商的服务属性数增加,返回服务发现结果的时间有所延长,但其精确度有了明显的提高.

一种多Agent协商中多目标群决策算法

为解决多Agent多目标群决策情形中属性的权重或决策Agent的权重未知时无法进行有效决策的问题,提出了采用迭代思想改进模糊多目标群决策模糊优选算法的途径.在模糊多目标群决策中,将未知模糊权重通过有效地迭代计算得出,从而确定出决策的最优排序结果.实例演算证明该算法可行且决策时间较短.

基于SOA的多Agent协商服务及其应用

在简述一种融合了面向服务架构和多Agent协商系统特点的新的协商模型——基于面向服务架构的多Agent协商模型的基础上,设计了该协商模型的多Agent协商服务端,阐述了Agent中协商推理机在协商中的基本过程。面向服务架构的协商服务端与协商Agent管理平台组合起来,搭建起支持开放环境并开展协商的软件应用环境,实现了基于面向服务架构的多Agent协商模型在电子商务中的应用。

基于多Agent协商机制的PCB装配调度系统

文中针对PCB装配调度问题设计了一个基于多Agent调度系统模型 ,给出了模型的体系结构与功能描述 ,系统将任务和优先权机制与基于合同网协议和KQML消息的竞标机制两者相结合 ,实现PCB装配的优化调度。详细介绍了多Agent之间的KQML消息通信机制 ,给出一个应用实例。

云环境下基于Agent协商的宿主机容错策略

云计算平台中大量使用了廉价的设备,使得宿主机出现故障概率大大增加。针对因宿主机故障而导致的虚拟机实例失效问题,提出一种宿主机容错策略。通过对宿主机集群分组和对宿主机进行Agent建模,在每个小组内利用Agent协商来快速重建虚拟机实例。仿真实验表明,所提出的策略能够自动重建失效的虚拟机实例,提出的容错策略在耗时上小于其他策略。

基于SVM的多Agent协商伙伴选择

根据多Agent协商问题的交互特点,引入SVM(Support Vector Machine)分类方法对Agent的协商历史信息进行学习,从Agent的协商历史信息中提取样本来训练SVM,结合模拟协商过程和己方的决策信息,预测与特定伙伴协商时可能出现的结果以及相应的协商收益,根据Agent的自利性原则,选择最合适的协商伙伴。最后,通过仿真实验验证了所提出方法的有效性和优越性。

基于新型模糊CMAC神经网络的Agent外贸协商模型

文章提出了一个由外销商训练的基于一种新型模糊小脑神经网络的Agent外贸协商模型。由于模糊小脑神经网络训练快速性,所以客户在输入了购买信息之后,可以及时获得相关评价,使客户最终能以协商的方式与Agent达成协议,提高了工作效率,仿真试验也证明了其评价的正确性。

协商Agent的历史学习算法研究

文章以买方Agent的观点对交易平台上获得的对方Agent历史协商信息进行分析,并根据其特点做初步过滤。在此基础上,该文针对现有协商模型中存在的问题,提出了一个Agent协商历史学习算法,并实验说明了其可行性。该算法可用于Agent协商前初始信念的创建,对Agent在协商中策略的选择、执行具有指导作用。

供应链环境下基于Agent的协商决策

针对供应链环境中双边、多主题协商,采用基于相似度的协商决策方法,把对手发送的提议与自己将要提交的提议集进行比较,选择与对手提议相似度最高的提议作为最终提议。这种方法不仅能增加达成一致的几率,而且能增加双方的共同收益。

基于奖惩和协商主题优先级的多Agent多问题协商模型——MMNAPP

文章针对多Agent系统(multi-agent system,MAS)中Agent之间的协商问题提出了一个基于奖惩和协商主题优先级的多Agent多问题协商模型———MMNAPP,对Agent间的协商问题进行了有益的探索,为多A-gent系统中协商问题的最终解决提出了一种新的方法。

基于策略选择的Agent多议题协商优化

Agent和多Agent系统(Multi-Agent Systems,简称MAS)正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。协商策略是Agent协商的一个重要问题,选择有效的策略,可以有效地提高协商的效率。提出了一个策略选择算法,并以此为基础,在协商模型中运用预测结果,对协商模型进行了优化,使Agent在协商过程中能根据自己的需要来缩短协商进程,同时获得合理的收益,提高协商过程的可控性。最后通过实验证明了工作的有效性。

多Agent通信协商技术在高职院校排课系统的应用研究

阐述了高职院校目前常用排课方式存在的不足,分析了高职院校排课资源因素的特征及其排课目标,优化了排课资源因素并简化排课问题,阐述了Agent相关技术,对多Agent通信协商技术在排课系统中的应用进行了研究并尝试使用AnyLogic软件平台进行模拟仿真。

基于Agent的区域交通流协调控制的研究

以Agent技术为基础，对区域交通协调控制进行了研究。首先对区域交通流控制的Agent组成及结构做了简单的说明，然后对路段Agent与路口Agent的协商策略进行描述，在此基础上对一个较简单的路网进行仿真，从而证实该文所研究的基于Agent进行区域交通流协调控制的有效性。

服务Agent的设计与实现

在服务计算领域,相同功能的服务往往有多个不同的选择。针对同类服务的管理和选择问题,在BDI Agent的基础上,提出了一种服务Agent的结构定义,用以支持服务的运行时动态绑定;设计并实现了基于会话的约束求解服务Agent协商协议;实现了支持服务Agent建模的可视化工具;最后介绍一个应用实例。

基于多议题协商的贝叶斯学习

随着Internet的日益完善和电子商务的普及,如何快速、高效地进行agent协商学习是必须面对和解决的一个重要问题。文中从买方agent的观点出发,在协商过程中采用贝叶斯学习机制进行在线更新对方agent的信念,从而缩短了协商时间,提高了协商效率,并实验说明了其可行性。

一种基于相似度方法的并发协商策略

多Agent协商是目前人工智能、电子商务等领域研究的热点问题。在电子商务活动中为了达到更好的效果,获得更多的利益,买方希望与多个卖方进行并发协商(与多个卖方同时进行协商),从中选择最佳的交易解决方案,这种需求广泛存在。本文利用相似度方法(similarity criteria)发展和评价了一种双边多议题多Agent并发协商策略,一方面使用相似度函数来计算对手的偏好类型,从而选择相应的协商策略;另一方面协商一方采用该策略后能够使得双方达成一致的可能性最大并且收益最大,从而使得一个Agent能够在半竞争、信息不完全和不确定以及存在最大协商时间的情况下,更为有效地完成多Agent并发协商。

基于多agent协同的Web服务复合系统研究

主要研究和设计了一种基于多agent协同的Web服务复合系统(CoWEB)。通过对"Web服务复合"这种新型分布计算应用模型特点和需求进行分析,提出了使用agent构建CoWEB系统的优势。接着,通过对CoWEB系统三个功能层的主要结构设计,以及系统整体特点的论述,表明该系统能较好地适应Web服务环境,并能较好地解决Web服务特有的异构、自治和动态性问题,得以实现可靠灵活的Web服务复合应用。